• 마케팅과학연구
• /
• 제20권2호
• /
• pp.123-134
• /
• 2010

考虑到消费者和供应商的利益, 公司利用网络为媒介来沟通并向消费者销售产品. 这一趋势使得很多研究者和实践者都关注网上购物环境这一领域. 本文测试了网上消费者行为和具有不同快乐主义水平的网址的模型. 与以往的研究不同, 我们包括了所有三种情绪(激励, 快乐和支配)并将此运用到模型中. 本研究中, 我们假设网址的外观, 例如背景颜色, 音乐和字体在消费者最初接触到网址时均影响三种情绪(Mazaheri, Richard, and Laroche, 2011). 反之, 这些情绪会影响消费者对网址氛围的感知–网址信息量, 效率和娱乐性的感知. 这些假设与Zajonc (1980)的研究一致. 他认为情感的作用是独立于感性的和认知操作并且可以影响回应. 我们因此提出网址氛围和流量的感知影响消费者对网址和产品的态度, 网址卷入和购买意图. 另外, 我们研究网址的快乐主义水平对模型中所有关系的调节作用. 因此, 我们比较享乐网址路径系数 "高" 和 "低". 我们用39个真实的网站涵盖了12种产品类别(8种服务和4种实物产品)来测试模型. 这其中, 回复者认为20个是高享乐, 19个为低享乐. EQS6.1的结果支持整体模型: x2=1787 (df=504), CFI=.994; RMSEA=.031. 所有假设都是显著的. 另外, 多群组分析表明在高享乐和低享乐网址群组之间的几个非不变量结构路径. 这些结果支持三种情绪影响消费者对网址氛围, 流量和其他消费者行为变量的认知. 我们发现快乐极大的影响这网址态度和网址娱乐性的认知. 激励积极的影响其他两种情绪, 网址信息量的认知和网址卷入. 而且, 激励对流量的影响非常显著. 这些结果说明在支配和消费者对网址效率的认知之间有很强的相关. 支配同时和网址态度和流量相关. 另外, 结果还表明网址卷入和对产品的态度是购买意图最重要的两个因素. 网址信息量和流量也积极的影响购买意图. 多群组分析的结果支持网址快乐主义的调节作用. 与低(高)享乐网址相比, 实用(享乐)属性对其他变量的影响比高(低)享乐网址更强. 在这三种情绪中, 支配(控制感)影响在高享乐网址中更强. 快乐影响在低享乐网址中更强. 而且, 网址信息量的影响对高享乐网址更强. 另一方面, 信息效率对网址信息量认知的影响和网址卷入对产品态度的影响在低享乐网址中更强.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권8호
• /
• pp.535-542
• /
• 2013

사례기반추론(CBR)은 많은 장점으로 인해 지금까지 의료진단, 생산계획, 고객분류 등 다양한 분야의 의사결정 지원에 적용되어 왔다. 그러나, 효과적인 CBR 시스템을 설계, 구축하기 위해서는 연구자가 직관적으로 설정해야 할 많은 설계요소들이 존재한다. 본 연구에서는 이러한 CBR의 여러 설계요소들 중 사례 검색 단계에서 결합할 이웃 사례들을 보다 효과적으로 선정할 수 있는 새로운 모형을 제시한다. 기존 연구에서는 결합할 이웃 사례를 선정하는 방법으로 사전에 정해진 이웃사례의 수(k-NN의 k)를 적용하든가, 혹은 최대 유사도의 상대적 비율을 임계치로 사용하는 방식을 적용해 왔다. 하지만, 본 연구에서는 결합할 유사사례를 선택하는 새로운 기준으로 0에서 1사이의 값을 갖는 절대적 유사 임계치를 사용할 것을 제안한다. 이 경우, 임계치 값이 과도하게 작아지게 되면, 예측결과의 생성이 잘 이루어지지 않을 수 있는 문제가 발생할 수 있다. 이에, 전체 학습사례들 중에서 예측결과가 생성된 사례의 비중을 커버리지(coverage)로 정의하고, 이를 유사 임계치 최적화 시 제약조건으로 설정함으로서, 사용자가 원하는 수준의 커버리지는 유지한 상태에서 가장 효과적인 유사 사례를 찾아 추론할 수 있도록 모형을 설계하였다. 제안 모형의 유용성을 검증하기 위해, 본 연구에서는 이 모형을 실존하는 국내 한 온라인 쇼핑몰의 표적 마케팅 사례에 적용하였다. 그 결과, 제안 모형이 CBR의 예측 성과를 유의미하게 개선시킬 수 있음을 확인할 수 있었다.

• 한국유통학회지:유통연구
• /
• 제15권3호
• /
• pp.71-110
• /
• 2010

본 연구에서는 항공권 예약 발권 웹사이트의 서비스 품질을 측정 뿐만 아니라 서비스 회복도 측정하고자 하였다. 또한 서비스 품질과 서비스 회복이 고객만족 및 충성의도에 미치는 영향관계를 실증하고자 하였다. 온라인 서비스 품질과 온라인 서비스 회복의 측정을 위해 Parasuraman, Zeithaml, & Malhotra(2005)가 개발한 E-S-QUAL과 E-RecS-QUAL을 사용했으며, 했다. E-S-QUAL은 온라인 서비스 품질을 측정하는 도구로써, 효율성, 시스템 이용가능성, 이행성, 프라이버시의 4개 차원 22개 항목으로 구성된다. E-RecS-QUAL은 온라인 서비스 회복을 측정하는 도구로써, 반응, 보상, 접촉의 3개 차원 11개 항목으로 구성된다. 실증분석을 위한 설문조사는 항공사나 여행사의 웹사이트를 통해 국내 외 항공권을 구입해 본 경험이 있는 소비자를 대상으로 실시하였는데, 총 400부가 회수되었고, 이 중 342부를 최종분석에 사용하였다. 실증분석을 위해 AMOS 7.0과 SPSS 15.0을 사용하였다. 먼저, SPSS 15.0을 사용하여, 요인점수를 이용한 회귀분석으로 가설검증을 한 결과, <가설 I-1, 2, 3, 4, II-1, 2, 3, III-1, IV-1>이 전부 채택되었다. 온라인 서비스 품질과 온라인 서비스 회복의 각 차원은 모두 전반적인 서비스 품질에 유의한 영향을 보였고, 전반적인 서비스 품질은 고객만족에 유의한 영향을 미쳤다. 마지막으로 고객만족 역시 충성의도에 유의한 영향을 미치는 것으로 확인되었다. 한편 AMOS 7.0을 사용하여 모형 분석을 하였는데, 모형의 적합도는 가설검증을 하기에 합당한 수치가 나왔다. 이를 토대로 가설검증을 한 결과, <가설 I-1, 3, II-1, 3, III-1, IV-1>은 채택되었고, <가설 I-2, 4, II-2>는 기각되었다. 이 결과는 Parasuraman et al.(2005)이 주장한 것처럼 E-S-QUAL을 나타내는 데는 요인점수를 이용한 회귀분석이 더 적합하다는 것을 보여주는 것이라고 판단된다. 이를 토대로 본 연구의 시사점을 정리하였다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.23-46
• /
• 2021

개인화 추천에서 많이 사용되는 협업 필터링은 고객들의 구매이력을 기반으로 유사고객을 찾아 상품을 추천할 수 있는 매우 유용한 기법으로 인식되고 있다. 그러나, 전통적인 협업 필터링 기법은 사용자 간에 직접적인 연결과 공통적인 특징을 기반으로 유사도를 계산하는 방식으로 인해 신규 고객 혹은 상품에 대해 유사도를 계산하기 힘들다는 문제가 제기되어 왔다. 이를 극복하기 위하여, 다른 기법을 함께 사용하는 하이브리드 기법이 고안되기도 하였다. 이런 노력의 하나로서, 사회연결망의 구조적 특성을 적용하여 이런 문제를 해결하려는 시도가 있었다. 이는, 직접적으로 유사성을 찾기 힘든 사용자 간에도 둘 사이에 놓인 유사한 사용자 또는 사용자들을 통해 유추해내는 방식으로 상호 간의 유사성을 계산하는 방식을 적용한 것이다. 즉, 구매 데이터를 기반으로 사용자의 네트워크를 생성하고 이 네트워크 내에서 두 사용자를 간접적으로 이어주는 네트워크의 특성을 기반으로 둘 사이의 유사도를 계산하는 것이다. 이렇게 얻은 유사도는 추천대상 고객이 상품의 추천에 대한 수락여부를 결정하는 척도로 활용될 수 있다. 서로 다른 중심성 척도는 추천성과에 미치는 영향이 서로 다를 수 있다는 점에서 중요한 의미를 갖는다 할 수 있다. 이런 유사도의 계산을 위해서 네트워크의 중심성을 활용할 수 있다. 본 연구에서는 여기서 더 나아가 이런 중심성이 추천성과에 미치는 영향이 추천 알고리즘에 따라서도 다를 수 있다는 데에서 주목하여 수행되었다. 또한, 이런 네트워크 분석을 활용한 추천기법은 신규 고객 혹은 상품뿐만 아니라 전체 고객 혹은 상품으로 그 대상을 넓히더라도 추천 성능을 높이는 데 기여할 것을 기대할 수 있을 것이다. 이런 관점에서 본 연구는 네트워크 모형에서 연결선이 생성되는 것을 이진 분류의 문제로 보고, 추천 모형에 적용할 분류 기법으로 의사결정나무, K-최근접이웃법, 로지스틱 회귀분석, 인공신경망, 서포트 벡터 머신을 선택하고, 온라인 쇼핑몰에서 4년2개월간 수집된 구매 데이터로 실험을 진행하였다. 사회연결망에서 측정된 중심성 척도를 각 분류 기법에 적용하여 생성한 모형을 비교 실험한 결과, 각 모형 별로 중심성 척도의 추천성공률이 서로 다르게 나타남을 확인할 수 있었다.

• 지능정보연구
• /
• 제27권2호
• /
• pp.1-15
• /
• 2021

추천시스템은 사용자의 기호를 파악하여 물품 구매 결정을 도와주는 역할을 할 뿐만 아니라, 비즈니스 전략의 관점에서도 중요한 역할을 하기에 많은 기업과 기관에서 관심을 갖고 있다. 최근에는 다양한 추천시스템 연구 중에서도 NLP와 딥러닝 등을 결합한 하이브리드 추천시스템 연구가 증가하고 있다. NLP를 이용한 감성분석은 사용자 리뷰 데이터가 증가함에 따라 2000년대 중반부터 활용되기 시작하였지만, 기계학습 기반 텍스트 분류를 통해서는 텍스트의 특성을 완전히 고려하기 어렵기 때문에 리뷰의 정보를 식별하기 어려운 단점을 갖고 있다. 본 연구에서는 기계학습의 단점을 보완하기 위하여 BERT 기반 감성분석을 활용한 추천시스템을 제안하고자 한다. 비교 모형은 Naive-CF(collaborative filtering), SVD(singular value decomposition)-CF, MF(matrix factorization)-CF, BPR-MF(Bayesian personalized ranking matrix factorization)-CF, LSTM, CNN-LSTM, GRU(Gated Recurrent Units)를 기반으로 하는 추천 모형이며, 실제 데이터에 대한 분석 결과, BERT를 기반으로 하는 추천시스템의 성과가 가장 우수한 것으로 나타났다.

• 한국유통학회지:유통연구
• /
• 제15권3호
• /
• pp.111-137
• /
• 2010

본 연구는 서비스 시장에서의 지각된 품질과 개인가치간의 인과적 관계 및 고객의 인지욕구에 따른 온 오프라인상의 조절효과에 대해 실증분석하였으며 이를 통해 개인가치에 대한 서비스 전략과 마케팅 관리의 중요성을 제시하고 있다. 서비스 시장에서 서비스 제공자와 구매자간의 장기적 거래관계의 중요성이 크게 부각됨에 따라 관계구축 및 강화에 매우 중요한 역할을 하는 개인가치에 관한 연구는 학계뿐만 아니라 실무적으로도 고객관계관리의 관점에서 시사하는 바가 크다고 할 수 있다. 실증분석을 위해 대형마트(할인점)와 인터넷 쇼핑몰을 이용하는 고객을 대상으로 설문을 통해 데이터를 수집하였으며 온 오프라인의 비교분석을 통한 차이검증을 위한 인과적 구성모델에 대해 구조방정식 모델분석을 통해 가설검증하였다. 구성모델에 대한 분석결과 물리적 환경, 상호작용 품질, 그리고 결과품질로 구성된 지각된 품질은 안정적 삶, 사회적 인식, 사회적 통합으로 구성된 서비스 개인가치에 통계적으로 매우 유의한 정(+)의 영향을 미치는 것으로 나타났으며 집단간 차이효과분석을 통해서도 온 오프라인에 따른 조정효과는 온라인에서보다는 오프라인에서 더 유의한 것으로 나타났다. 그리고 온라인상에서의 서비스에 대한 인지욕구가 높을 때보다는 오프라인상에서의 서비스에 대한 인지욕구가 높을 때 개인가치에 더 유의한 영향을 미치는 것으로 나타났다. 마지막으로 본 연구의 구성모델에 대한 적합도 역시 수용할만한 수준인 것으로 나타났다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.